科研之友
微信
新浪微博
Facebook
分享链接
摘要
常见的无监督特征选择方法考虑的只是选择具有判别性的特征，而忽略了特征的冗余性，并且没有考虑到小类问题，故而影响到分类性能。基于此背景，提出鲁棒不相关回归算法。首先，对不相关回归进行研究，使用不相关正交约束，以便找出不相关但具有判别性的特征，不相关约束使得数据结构保持在Stiefel流形中，使模型具有封闭解，避免了传统的岭回归模型引发的可能的平凡解。其次，损失函数与正则化项使用L2，1范数，保证模型的鲁棒性，得到具有稀疏性的投影矩阵；同时将小类问题考虑进去，使得投影矩阵数量不受类别数的限制，得到足够多的投影矩阵，从而提高模型的分类性能。理论分析和多个数据集上的实验结果表明，所提出的方法比其他特征选择方法具有更好的性能。
- 单位
